陈李、葛晓媛（陈李系东吴证券全球首席经济学家、东吴香港行政总裁，中国首席经济学家论坛理事）
卫星不能阻止冰川崩塌，却能让人提前离开
一场高位冰崩从海拔5200米以上的山区启动，沿20多公里河谷冲向吉隆口岸，全程约7分钟。
人类无法在7分钟内完成监测、汇报、判断、决策和撤离。
AI可以压缩识别和决策时间。它能寻找危险的冰川，识别异常的山体，计算灾害到达时间，自动关闭道路，通知人群撤离。
7分钟，不够开会
8月26日上午，尼泊尔境内高海拔山区发生冰崩。冰体和碎屑沿河谷高速下行，裹挟泥沙、岩石和河水，形成破坏力巨大的泥石流。
据自然资源部专家初步研判，这场灾害源于尼泊尔境内错坚河上游的高位冰崩碎屑流事件。
这不是普通的降雨型泥石流。
高位冰崩形成高速碎屑流。碎屑流进入沟谷，继续裹挟水体、泥沙和岩石。流量迅速增加，最终形成泥石流和灾害性洪流。
冰崩是起点。河谷是加速器。下游的道路、口岸、水电设施和人员直接暴露在灾害路径上。
喜马拉雅地区地质结构复杂。板块运动塑造了高差巨大的山地和深切河谷。气候变暖正在改变冰川、多年冻土和高山水循环。道路、口岸和水电设施不断向河谷延伸，人员和资产暴露随之增加。板块运动、气候变化和人类活动可能共同造成了这次灾害。
实际上，全世界的高山地区的风险都在增加。冰川持续退缩。多年冻土逐渐退化。冻融过程改变岩体稳定性。极端降水和冰雪融水改变坡体含水状态，部分冰岩体正在进入新的失稳状态。类似风险广泛存在于喜马拉雅、横断山区、天山、帕米尔、阿尔卑斯、安第斯和北美西部。这些地区都有冰川、陡坡、深切河谷和下游人口设施叠加的场景。
AI可以找到哪座山最危险
高山地区面积辽阔。很多危险源位于无人区。人工巡查成本高，也无法持续覆盖。
AI可以从广阔山区筛选需要重点监测的危险源。
光学卫星可以观察冰川边界、裂缝、冰湖面积和地表形态。合成孔径雷达，也就是SAR，可以在云层遮挡和夜间条件下获取地表信息。干涉合成孔径雷达，也就是InSAR，可以利用不同时期的雷达影像测量地表形变。卫星每天产生大量影像。人工无法逐幅比较。计算机视觉模型可以自动识别冰川、冰湖、裸岩和裂缝。变化检测算法可以比较不同时期的影像，发现冰川加速、裂缝扩大、岩体位移和湖面变化。
AI分析的不是一张照片，而是一段时间内的连续变化。
某块冰体过去每年移动几米，近期移动速度突然上升。某条裂缝长期稳定，最近连续扩展。某个冰湖面积快速增加。某处岩体在多个观测周期中持续变形。
这些变化不代表灾害马上发生。它们可以推动风险等级上调。
数字高程模型，也就是DEM，可以描述坡度、高差和沟谷形态。AI把地形、地质、冰川运动、气温、降水和历史灾害放在一起，生成危险源清单和风险分区图。
传统监测先确定危险地点，再安装设备。AI可以扫描整片山区，确定设备应当安装在哪里。
NASA开发的LHASA系统已经使用机器学习，对全球降雨型滑坡发生概率进行近实时评估。它不能直接预测高位冰崩，也不能替代现场监测。它证明了AI具备大范围风险筛查能力，可以把有限的监测资源放到更危险的地方。
AI可以判断风险何时升高
卫星适合观察大范围变化，扫描一个地区需要一段时间，存在重访周期。不能高频率地持续跟踪地质变化。而且高山地区有积雪、云层、阴影和复杂地形。InSAR在快速形变、冰雪覆盖和雷达失相干条件下会失效。
重点危险区需要布置地面传感器。
全球导航卫星系统，也就是GNSS，可以连续测量冰体或岩体位移。裂缝计记录裂缝宽度变化。地基雷达持续扫描坡面形变。钻孔倾斜仪测量山体内部变形。孔隙水压力计观察地下水对坡体稳定性的影响。自动气象站记录气温、降水、积雪和冻融过程。
这些设备产生不同频率、不同单位的数据。AI可以完成多源数据融合。
一项指标异常，可能来自设备故障。多项指标同时异常，代表更高风险。冰川流速提高，裂缝加速扩展，气温持续偏高，融水不断增加，地震仪又记录到异常微震。AI可以识别这些信号之间的组合关系。
异常检测算法发现偏离历史规律的变化。概率模型评估失稳风险。物理模型分析冰体、岩体和水流的运动方式。
更可靠的技术路线，是把物理模型与机器学习结合。物理规律约束模型边界。机器学习从大量数据中寻找人工难以发现的变化模式。
AI不会给出冰崩发生的准确日期。它输出风险概率、预警等级和对应动作。
风险较低时持续监测。异常增加后加密观测。风险继续上升时限制人员和车辆进入。达到最高警戒状态后立即撤离人员、关闭道路、停止施工。
灾害启动后，把判断压缩到几秒
长期监测可以发现危险，无法保证提前知道冰崩发生的准确时间。
冰体突然崩塌后，预警系统从风险预测转入事件检测。
地震仪和检波器可以捕捉冰岩体撞击地面产生的振动。次声传感器可以识别大型崩塌产生的低频声波。声学流量监测器可以判断河道内固体物质的运动。雷达水位计记录水位和流速突变。摄像头可以识别河道颜色、流量和漂浮物变化。
车辆经过会产生振动。雷雨会制造噪声。局部落石也会触发传感器。单个信号不足以确认大规模冰崩。
边缘计算可以在现场附近直接处理数据，不必把全部信息传回遥远的数据中心。AI识别振动、声音和水位变化，对多个传感器的信号进行交叉验证。信号达到设定阈值后，系统确认灾害启动。
这项识别必须在几秒内完成。
系统随后根据数字高程模型、河道坡度、物质规模和实时流速，计算灾害传播路径与预计到达时间。碎屑流和水动力模型负责模拟运动过程。AI加快计算速度，持续修正流速和影响范围。
吉隆口岸的灾害用约7分钟运动20多公里，平均速度接近每秒50米。
逐级汇报和临时决策无法适应这种速度。管理部门必须提前设定预警阈值、执行规则、撤离路线和自动响应权限。
灾害发生前完成决策，灾害启动后立即执行。
AI系统必须直接推动行动
预警的终点不是发出一条信息，而是让人离开危险区域。
一套完整系统需要形成闭环：
卫星寻找危险源。地面传感器连续监测。AI识别异常和灾害信号。物理模型计算传播路径。通信系统传递警报。自动设备关闭危险设施。预警平台发布撤离指令。
达到最高预警等级后，道路闸门自动关闭。隧道和口岸停止放行。施工人员立即撤离。水电设施进入安全停机程序。警报器同时启动。基于位置的手机预警覆盖危险区域。广播和应急通信发布撤离路线。
按现有工程量级估算，一条高风险沟谷的监测和预警系统可能需要数百万元至数千万元。重要口岸、水电走廊和人口密集区域的整体工程可能达到数千万元。复杂项目可能超过亿元。高海拔地区的安装、供电、通信和维护成本更高。
这些数字只代表工程量级，不是吉隆口岸的项目预算。
世界气象组织引用的研究显示，早期预警服务总体可以带来接近十倍的投入回报。相关结论主要来自气象和水文灾害，不能直接套用到冰崩。人员伤亡、道路中断、水电设施损毁和灾后重建仍然足以说明预警系统的经济价值。
单个传感器的价格会下降。卫星数据会更加丰富。AI模型会变得更快。监测范围和安全标准也会提高。预警系统将成为道路、水利和通信之外，新的公共安全基础设施。
瑞士的布拉滕提供了一个重要案例。2025年5月，瑞士瓦莱州布拉滕村上方的小内斯特峰岩坡发生失稳。崩落的岩石堆积在伯奇冰川表面，推动岩体和冰川共同加速。当地政府根据现场监测和专业判断，在大规模崩塌前数日组织居民撤离。
5月28日，约1000万立方米岩石和冰体从伯奇冰川脱落，冲入山谷，掩埋了布拉滕村，并一度堵塞河流。提前撤离避免了大量人员伤亡。
欧洲航天局事后分析了这一地区的L波段雷达卫星数据。结果显示，小内斯特峰山坡在2016年至2017年已经出现缓慢位移。2023年，部分地表运动速度提高到每年约50厘米。2024年8月，部分区域的运动速度超过每年150厘米。山体失稳在崩塌前几年已经留下信号。
这些卫星数据当时没有进入自动预警系统。研究人员是在灾害发生后重新处理历史数据，才发现了完整的加速过程。这个案例展示了AI的潜在作用。AI可以持续处理大范围雷达影像，自动寻找多年缓慢变形后突然加速的山体，再把高风险目标交给地面监测和专业人员。
布拉滕没有预测出准确的崩塌时间。卫星适合提前数月甚至数年筛查危险源。地面监测负责临近阶段的连续判断。政府根据风险变化提前撤离。三者共同构成完整的预警链条。
美国雷尼尔山的火山提供了另一种典型案例。
雷尼尔山附近分布着人口密集区和公路、桥梁、港口、管线等基础设施。美国地质调查局的模型显示，大型火山泥流发生后，约5分钟就可能到达国家公园内的居住区域，15至60分钟可以到达公园外的居民区。
当地从1998年开始运行自动泥流预警系统。早期系统使用拉线传感器和声学流量监测器。声学流量监测器埋在地下，测量泥流经过时产生的地面振动。现场信号传输到华盛顿州和皮尔斯县的应急中心，由计算机持续分析。系统确认泥流后，应急中心立即通过警报器、广播、电视、应急通信和预先设定的撤离路线通知居民。
2017年至2021年，美国地质调查局又安装了14个新监测站。新设备包括宽频带地震仪、次声传感器、摄像头和GPS接收器。旧系统每两分钟传输一次数据，新系统改为实时传输，为下游多争取几分钟。新的识别软件还要计算泥流的位置、速度和规模。
雷尼尔山的现有系统主要依靠自动检测和固定规则，并非完全由AI运行。它已经具备AI预警系统的基本结构：多种传感器发现事件，计算机识别信号，通信系统发布警报，居民按照预案立即撤离。AI可以进一步融合振动、次声、图像和位移数据，减少误报，更快计算灾害到达时间。
这个案例与吉隆口岸更为接近。它不追求提前数年预测灾害，而是在灾害启动后迅速确认，用机器的速度完成检测、传输和响应。
AI一定是造福人类社会
AI在高山灾害中承担三项任务。
灾害发生前，它扫描广阔山区，寻找危险源。
风险上升时，它融合卫星、气象和地面传感器数据，调整预警等级。
灾害启动后，它在几秒内确认事件，计算传播路径，推动自动响应。
AI不能阻止山体崩塌。它可以让警报跑在泥石流前面，让道路提前关闭，让车辆停在危险区域之外，让工人和居民提前离开。技术已经提供了减少伤亡的工具。监测投入、制度设计和执行能力决定这些工具能否发挥作用。
热门跟贴